OpenAIは2026年11月19日、Live APIでGPT-Live-1.1(gpt-live-1.1)を公開しました。料金はアクティブ時が1分$0.05、待機時が1分$0.02で、秒単位で課金されます。この公式の時間料金はGPT-Live-1と同じで、セッション中に実行されるバックエンドモデルの推論やツール呼び出しは別途課金されます。
OpenAIがGPT-Live-1.1 APIで公開したものは?
GPT-Live-1.1は、多言語での会話に対応するOpenAIの全二重音声モデルです。APIではモデルID gpt-live-1.1として、エンドポイント/v1/live/sessionsで利用できます。OpenAIは2026年11月19日に公式API変更履歴でAPIの公開を記録し、同日20:00:32 UTCに@OpenAIDevsがXで発表しました。OpenAIによると、API開発者に提供される前から、GPT-Live-1.1は2026年10月15日よりChatGPT PlusとProの音声会話を支えていました。
GPT-Live-1.1の公式モデルページでは、同時に聞いて話す機能とバックエンドへの委任を中心に、このリリースが説明されています。GPT-Live-1.1は全二重で動作するため、音声フロントエンドは回答を話しながらユーザーの割り込みを聞き取り、音声とテキストの入力を受け付け、音声とテキストを出力できます。ストリーミングとfunction_callingにも対応します。開発者は、負荷の高い複数段階の推論を音声ループ自体で処理する代わりに、タスクをバックエンドモデルやツールのワークフローにいつ引き渡すかをgpt-live-1.1に伝える自然言語の指示を記述します。
11月19日の変更履歴では、新しいモデルスナップショットとともに、Live API向けのWebRTC待機設定も導入されました。OpenAIは公開時の投稿でアイドル時のコスト低減を強調しています。待機はgpt-live-1とgpt-live-1.1の両方に適用され、1分あたりの定価は両モデルで同じです。
GPT-Live-1.1の料金はいくら?
OpenAI APIの料金ページによると、gpt-live-1.1の料金はアクティブなセッション時間が1分$0.05、WebRTC待機時間が1分$0.02です。セッション時間を次の整数分に切り上げず、秒単位で課金されます。この定価はgpt-live-1と同じなので、モデルIDの切り替えは品質の向上であり、値下げではありません。
| モデルID | APIエンドポイント | アクティブ音声料金 | WebRTC待機料金 | 課金単位 | バックエンドとツールの課金 |
|---|---|---|---|---|---|
gpt-live-1.1 |
/v1/live/sessions |
$0.05 / 分 | $0.02 / 分 | 秒単位 | バックエンドモデル/ツールの料金で別途課金 |
gpt-live-1 |
/v1/live/sessions |
$0.05 / 分 | $0.02 / 分 | 秒単位 | バックエンドモデル/ツールの料金で別途課金 |
Live音声エージェントの総費用は、音声セッションの時間に応じた料金と、委任されたタスクを実行するバックエンドモデルやツールの通常の使用料金という、別々の2つの要素からなります。音声フロントエンドが推論を別のテキストモデルに委任する場合、そのトークン料金には通常のAPI料金が適用されます。バックエンド推論の料金階層については、AI API料金比較とGPT-6.2 AstraとSolの解説をご覧ください。
音声料金の計算例と15秒のWebRTCクレジット
OpenAIの音声の遅延とコストに関するガイドは、アクティブ秒数、待機秒数、セッション開始が請求上どのように関係するかを説明しています。
- WebRTC初期化クレジット: デフォルトの開始動作では、
POST /v1/live/sessionsを呼び出してWebRTCセッションを作成すると、接続の初期化中に15秒の音声時間が課金されます。セッションが動き始めると、OpenAIはこの15秒分を継続中の時間料金に充当します。請求額を見積もる際、実際の通話時間にさらに15秒を加えないでください。OpenAIのドキュメントが説明するように、90秒のアクティブセッションには初期化中に課金された15秒がすでに含まれます。 - アクティブ時間に含まれるもの: アクティブ秒数には、ユーザーとモデルの発話、設定したアイドルタイムアウトが切れる前の無音の間、音声推論が動き続けている間にバックエンドの推論やツール実行を待つ時間が含まれます。
- 90秒のセッションの計算例: OpenAIのコストガイドは、60秒のアクティブな会話と30秒の待機からなる通話を例に挙げています。公式定価から計算すると音声セッション料金は
(1 × $0.05) + (0.5 × $0.02) = $0.06で、これにセッション中またはセッション間に発生したバックエンドモデルとツールの別料金が加わります。
AI APIのコストを削減する方法を検討する際は、クライアントのミュート操作の挙動に注意してください。ユーザーのマイク入力をミュートしても推論は停止せず、GPT-Liveセッションはアクティブなままです。会話が完全に終了したら、ローカルのミュートボタンに頼るのではなく、クライアントまたはサーバーでセッションを閉じ、最終的な使用量を取得する必要があります。
GPT-Live-1からGPT-Live-1.1で何が変わった?
GPT-Live-1.1をGPT-Live-1と比較すると、同じセッションアーキテクチャ上で音声品質と多言語対応が向上しています。OpenAIが2026年9月10日にGPT-Live-1をAPIで一般提供した際、変更履歴にはアクティブ音声の秒単位課金とバックエンド使用量の別途課金が記載されていましたが、待機料金には触れていませんでした。2026年11月19日、OpenAIは両モデル向けの新しいWebRTC待機設定とともにgpt-live-1.1を公開しました。
OpenAIは確認したドキュメントページに単語誤り率の表や音響ベンチマークのスコアを公表していないため、文書化された違いはOpenAIのモデルページと開発者向け発表に基づきます。
- 多言語の文字起こしと発音: OpenAIの公式変更履歴とモデルドキュメントによると、
gpt-live-1.1はgpt-live-1より正確に音声を書き起こし、発音を改善するとともに、言語間でアクセントと声の出し方の一貫性を高めます。 - 英数字の精度とタスクの信頼性: 11月19日の
@OpenAIDevsによる公開スレッドで、OpenAIはgpt-live-1.1がタスクをさらに確実に完了し、指示に従い、複雑なワークフローを選択したバックエンドモデルに委任しながら、音声エージェントが文字や数字などの正確な詳細を理解するのに役立つと述べています。 - 別々のレート制限枠: 両モデルは
/v1/live/sessionsを使用しますが、gpt-live-1.1とgpt-live-1には別々の同時セッション数制限があり、それぞれの制限は推論リージョンをまたいで適用されます。OpenAIのgpt-live-1.1モデルページは、階層ごとの固定値を掲載する代わりに、組織のレート制限設定を確認するよう開発者に案内しています。
WebRTCでGPT-Liveの待機はどう機能する?
GPT-Liveの待機は、gpt-live-1とgpt-live-1.1のWebRTC接続向けセッション設定です。無音時にモデルの推論を停止しながら、元の通話は開いたままにします。OpenAIはLive会話の管理ガイドで、待機をWebRTCセッション専用として説明しています。
POST /v1/live/sessionsでWebRTCセッションを作成する際に待機を有効にするには、開発者は任意の3つの動作制御を設定し、ライフサイクルイベントを監視します。
- 開始時に発話を待つ:
session.wake_policy.typeをspeechに設定すると、アクティブな推論を開始する前に誰かが話すのをセッションが待ちます。 - アイドル時間を設定する:
session.idle_timeout_sを5から60までの整数に設定します。入力または出力の文字起こしがないまま指定秒数が経過すると、推論が停止し、セッションは待機料金に切り替わります。session.idle_timeout_sを省略すると、最初の起動後はセッション終了まで推論がアクティブなままになります。 - 必要に応じて起動感度を調整する:
session.wake_policy.vad_thresholdを0から1の間で調整します(デフォルトは0.5)。しきい値を高くすると、初回起動時と各待機停止後のいずれも、セッションを起動するために人の発話を示すより強い証拠が必要になります。 - マイクトラックを有効に保ち、イベントを追跡する: クライアントは待機中もマイクの音声トラックを有効に保つ必要があります。マイクのミュートでは待機に入らず、トラックを切ると発話を検出できません。WebRTC接続とセッションIDは変わらず、アイドルタイムアウトで推論が停止すると
session.pausedが発行されます(接続とサイドバンドは開いたままです)。発話によって推論が起動し、会話履歴が復元されるとsession.resumedが発行されます。
待機には遅延面でのトレードオフが1つあります。OpenAIによると、セッション停止後は推論が再開する間、短い発話に対するモデルの最初の応答に時間がかかることがあります。
エンドポイント、設定上の制限、非対応API
GPT-Live-1.1はLive API(/v1/live/sessions。セッション設定用のPOST /v1/live/sessionsとWebSocketシグナリング用のwss://api.openai.com/v1/live/sessionsを含む)でのみ動作します。開発者はgpt-live-1.1をChat Completions、Responses、旧Realtime API(/v1/realtime)、Realtimeの文字起こしや翻訳、Assistants、Batch、Fine-tuning、Embeddings、音声生成、文字起こしの各エンドポイントに渡すことはできません。これらのインターフェースはすべてgpt-live-1.1のモデルページで非対応とされています。
Liveセッションの設定内では、音声エージェントの構成に関して2つの構造上のルールがあります。
- セッションごとにモデルと音声は変更不可:
model(デフォルトで唯一掲載されているスナップショットgpt-live-1.1に設定)とaudio.output.voice(デフォルトはmarinで、OpenAI内蔵の多言語音声やカスタム音声も利用可能)は、どちらもセッション開始後に固定されます。いずれかを変更するには新しいセッションを開始する必要があります。 - 指示の上限と委任モード: システムの
instructionsは最大16,384トークンを受け付け、いつ作業を委任するかを自然言語で記述します。delegation.typeの設定でresponsesモードまたはclientモードを選択します(フィールドの省略時またはnullの場合はデフォルトでclientモードになります)。
実用的な選び方:1.1への移行、待機とセッション終了
gpt-live-1.1とセッションのライフサイクル制御の設定は、通話パターンと組織の割り当て枠に応じて選びます。テキストとマルチモーダルのエンドポイント全般についての判断には、AIモデルの選び方をご覧ください。
- モデルIDを
gpt-live-1.1に切り替えるとき: アプリが多言語の通話相手に対応する場合、通話中に言語を切り替える場合、または音声で伝えられるアカウントID、確認コード、つづりを読み上げた名前を収集する場合は、modelをgpt-live-1.1に更新してください。これらはOpenAIが文字起こしと文字・数字の認識強化を目指している用途です。秒単位の時間料金はgpt-live-1と同額なので、新しいスナップショットのテストに音声料金の上乗せはありません。本番トラフィックを切り替える前に、OpenAIダッシュボードで組織のgpt-live-1.1同時セッション数制限を確認してください。その割り当て枠はgpt-live-1とは別です。 - WebRTC待機を有効にするとき: ユーザーが画面の結果を読んだり、フォームに入力したり、30秒から数分間の休止を断続的に取ったりしながらWebRTC音声インターフェースへの接続を維持する場合は、
wake_policy.type: "speech"と5から60秒のidle_timeout_sを有効にします。待機は会話履歴とWebRTC接続をすぐに再開できる状態に保ち、無音の間はアクティブ音声料金より60%安くなります。 - 代わりにセッションを閉じるとき: 長い間隔にアプリが問題なく切断できる場合や、ユーザーが数分間離れる場合は、セッションを終了し、後で新しいものを開きます。放置された待機中のタブにも時間料金が継続して発生します。また、アプリの状態を使って、通話間の別々のセッションにまたがるバックエンド作業を調整できます。
FAQ
GPT-Live-1.1はGPT-Live-1より安い?
いいえ。OpenAIはgpt-live-1.1とgpt-live-1に同じ時間料金を設定しています(アクティブ時は1分$0.05、WebRTC待機時は1分$0.02で、整数分に切り上げず秒単位で課金)。コスト削減はモデルIDの変更ではなく、WebRTC待機を有効にするか、アイドル状態のセッションを早めに閉じることで実現します。
GPT-Liveの待機はGPT-Live-1でも使える?
はい。OpenAIはgpt-live-1.1と同じ2026年11月19日の変更履歴とXスレッドでWebRTC待機を発表しましたが、待機はgpt-live-1とgpt-live-1.1の両方でサポートされるLive APIのセッション設定です。WebRTC接続ではidle_timeout_sを5から60秒に設定できます。
マイクをミュートすると待機になる?
いいえ。OpenAIの音声コストのドキュメントによると、マイク入力をミュートしてもセッションは通常のアクティブ料金で稼働し続けます。WebRTC待機では、音声アクティビティ検出がユーザーの再発話を検出して推論を再開できるよう、マイクの音声トラックを有効に保つ必要があります。
gpt-live-1.1をChat Completions、Responses、/v1/realtimeで呼び出せる?
いいえ。モデルID gpt-live-1.1は/v1/live/sessionsでのみサポートされます。OpenAIはChat Completions、Responses、Realtime(/v1/realtime)、Assistants、Batch、単独の文字起こしまたは音声生成エンドポイントを非対応としています。推論にResponsesを使用するには、Liveセッションからの委任を設定してください。
WebRTC初期化時の15秒の課金は毎回の通話に追加される?
通話が15秒以上続けば追加されません。デフォルトの開始動作では、POST /v1/live/sessionsによるWebRTCセッションの作成時、初期化中の15秒が課金されます。OpenAIはその金額を継続中の時間料金に充当するため、90秒のアクティブな通話は合計90秒分の課金になります。



